

五分鐘心理學難度 ★★☆
原片標題當 AI 比你聰明,你還剩什麼價值?
AI時代的人類價值,在我暫時的答案裡,是精通工具,同時保留自己的思考、品味,以及人與人之間的連結。從認知外判、AI寫作與創意的代價,到樹洞香港的AI策略,我想談談為何要先思考再問AI,以及幽默、身體感受和個人的意義地圖,如何牽涉人類仍然獨有的判斷。至於長遠的人與AI有何根本分別,我的思考會走到意識、良知與靈魂。
認知外判(Cognitive Offloading)
藉助計數機、書本、行事曆等外部工具,完成單靠大腦難以完成的認知工作;這個概念並非AI年代才出現。
AI提供的故事想法可以提高個別作品的創意評價,但AI輔助作品之間也更相似,集體多樣性可能減少。
這項預印本研究比較不同工具條件下的寫作,EEG顯示LLM組的腦部連結最弱,自行寫作組最強;對應本集討論的AI寫作認知代價。
Nicholas Sofroniew等(Anthropic):Emotion Concepts and their Function in a Large Language Model
模型內部的情緒概念表徵會影響輸出與行為;這種功能上的情緒模式不等同於模型具有主觀情緒體驗。
這星期選一個本來想立即問AI的問題,先自己想一遍、寫下想法,再問AI:最後保留下來的判斷,哪些來自你自己的經驗與品味?
延伸收聽

2026年10月9日約 20 分鐘
過度共融是不理自己的需要而付出,與真心關心他人感受的親和性不同;討好並不是一個心理學上的人格類型,而可能是關係焦慮所驅動的相處模式。談判研究、信任遊戲與獨裁者遊戲呈現了兩者的分別,德國1,340對伴侶的七年追蹤則發現,過度共融與關係滿意度下降較慢有關,但不能據此推論因果。保護關係可能換到一些東西,也需要付出關於自己的代價。
收聽這集
2026年10月2日約 17 分鐘
達爾文獎(Darwin Award)頒給以極度愚蠢的方式把自己從人類基因庫中移除的人,而近九成得主是男性。從心理學角度看,極端愚蠢的行為往往來自兩個條件:罔顧其他人的感受,以及對明顯的危險視而不見;更深一層,是把一樣不應成為最終目標的東西放在了生命的最高位置,令人在選擇性注意之下盲了。
收聽這集
2026年9月25日約 19 分鐘
有效學習的關鍵不在於不斷重溫,而在於理解大腦如何運作:神經元「一起被激發,連結變得更強」,但知識太久不用就會消退。《超高效學習 Learn Like a Pro》提出以番茄鐘工作法配合快速掃描、深度閱讀和合上書複述,再交替運用專注模式與發散模式,並透過睡眠、跨界連結和不斷應用,令知識真正入腦、融會貫通。
收聽這集人類這種生物是死不認輸的。我們有理性、美學的判斷,對文學的感觸,直到這幾十年,出現了一個很強大、由自己創造出來的對手:人工智能AI。從下棋的Deep Blue、圍棋的AlphaGo,到寫程式的ChatGPT和Claude Code,再到宮崎駿式的動畫生成工具,我們一次次發現,原來自己引以為傲的能力,也可以被挑戰。這令我們問:人類還需不需要存在?我們在這個年代如何自處?我們的腦會不會退化?
AI能夠幫助人類工作,這件事我想是毫無懸念的,包括白領工作、知識型工作,甚至我們以為很獨有的創意。研究發現,當我們使用ChatGPT輔助生成想法,人們普遍會覺得更有創意。我認為可能有兩個機理:人類的知識很有限,AI模型卻統納了很多不同的知識,讓我們的小世界與人類的大世界連接,碰撞出本來想不到的想法;另外,AI是一個很厲害的文字機器,可以把文字潤飾得天衣無縫,讓我們流暢地表達想法。
另一個與我的專業有關、感受很深的,是寫程式的能力。大家知道我是一個心理學家,但我其實也是一個程式員。我覺得現在我一個人,可以做到十幾年前一個十人程式團隊的水準,而我一天只需要花一兩個小時,就有一大堆AI agents幫我維護整個樹洞香港的資訊系統,以及改善我們的應用程式。這是很神奇、很難想像的事。
這也是一個平凡人的時代。我們只需要付一個AI訂閱費,竟然可以接觸到這麼多人類知識,就像有一個博士家教,隨身幫助自己。但得到這一切背後,我們的大腦究竟付出了什麼代價?
認知外判(Cognitive Offloading)不是AI年代才出現的理論。人類科技經歷了幾個迭代,例如計數機不是人工智能,但它的計算速度,沒有一個數學家可以企及。以前甚至真的有一個工作崗位叫calculator,指的是對着一大堆數字計算的人。
我們可以把計數機視為人類認知的外部延伸,透過與工具互動,完成一些單靠人腦不可能完成的結果。書本、行事曆等等,也都是可以讓我們做認知外判的工具。當工具替我們完成大量計算,人類就可以進軍一些更抽象的數學問題,例如拓撲學。
當時也有人問:計數機會不會令數學家不懂計算?我認為這件事沒有發生,但數感仍然很重要,這就是為何小學生仍然需要背九九乘數表。那麼,AI是不是也只會重複這段歷史,我們不需要擔心?我認為答案未必有想像中那麼樂觀。
以前的工具針對的是很窄的問題。你有感情問題,不會拿一部計數機來解決;AI卻可以前一秒談微積分,下一秒談出生年月日、命中注定的對象,甚至用量子纏結寫一篇偽科學論文,還可能令你看得很投入。它可以跨越很多問題,這是我覺得AI與以往技術最不同的原因。
有一篇研究發現,使用AI作文時,大腦活化的水平會低於不用AI、需要自己努力想出內容的時候。這也令我想起製作這一集的經驗:這條影片,我沒有用任何AI輔助去搜尋資料、計劃或編寫劇本。
我有一種重拾青春、如沐春風的感覺,好像回到大學年代:打開Google Scholar,認真想一想要用什麼搜尋字詞,下載論文,從頭看到尾,再標記一些我認為值得說的部分。
現在效率為本,我平時也會用AI,只給它一個題目,就可以立即得到一份研究簡報,方便很多。但製作這條影片,我是開心的,也感到自己對這個題目的掌握,比平時看AI研究簡報更好。
這就是我們的大腦需要做的事:把概念與概念連結起來。看來,當我們過分運用AI,就較難好好運用這個能力。當然,我也不打算完全停止使用AI,但如果問我有什麼實際建議,我認為次序非常重要:一定要先想完,再問AI,而不是用完AI才想。
有針對創意的研究發現,用AI產出的文字,單看一篇作品,創意評價普遍會提升。但當很多人都用AI寫作,每一篇看似更有創意,篇與篇之間的概念卻非常相似。也就是說,個別作品的提升,可能同時伴隨整體創意多樣性的下降。
我曾經做過一次中學生培訓,把參加者分成兩組,請他們想一些商業點子。一組可以用AI,另一組不可以用AI,連手機也不可以用。我留意到兩組分別很大:其中一組很快進入一個很反烏托邦的世界,人人看着手機,過程中甚少交流。
另一組,我看到他們青春的活力立即燃起,很開心地互相交流。後來聽他們匯報,我覺得禁止使用手機那一組,想法沒那麼經過潤飾,但有創意得多。
當人人都在網上放出這些AI slop,我們值得想的是:自己想完再用AI,才是把人類的智力、品味和判斷發揮得最大的方式。
很多企業都在想AI轉型,也有同事問我:「Peter,AI越來越厲害,怎麼辦?你的程式工作好像也快可以結束了。」這裡也分享樹洞香港的策略。
我跟同事說,樹洞香港在使用AI方面,一定要走在同行公司最前的10%;但同時,我們要創造更多人與人之間的連結。這也是我們最近開設WhatsApp社群的原因。
這兩件事都很重要:我們要保留作為人的主體性,作為一個會思考的主體去用AI,也不要放棄人與人之間獨有的連結、情感、美學與判斷。這姑且是我暫時的答案。
要問AI長遠會不會取代人類,需要先對它的基礎架構有一點認識。現代ChatGPT出現之前,很多AI是用規則系統模擬人類互動。我讀中學時接觸過聊天程式,字眼稍為改變,它就不懂回答。第一代Siri也令我很困擾:早上半睡半醒,用語音指令修改鬧鐘,還要想它的規律,連續下十個指令,才能把鬧鐘推遲二十分鐘。
ChatGPT這類模型則基於Transformer架構,捕捉語言與語言之間的關聯和脈絡,不斷推導下一個字最可能是什麼。例如想到「I go to school by」,自然會想到「bus」。想像不斷玩文字接龍,就會得到一些好像有意思的句子。
ChatGPT 3.5剛出現時,學界討論它是否只是模式配對(Pattern Matching),模擬人類的思考模式,並非真的在想。但經過幾次技術迭代,我覺得這種呼聲越來越低,其中一個原因,是我們被它的實力震撼了。現在請它寫一個應用程式,它會像分析員一樣,想到要求、技術細節和如何修正問題。
我們可否說,這全部只是模式配對?如果這樣說,也要想一個問題:人類會不會也單純是在做模式配對?Anthropic亦有研究模型內部的情緒概念,例如恐懼、興奮;這些概念被活化時,會影響模型的行為模式。這令我覺得,AI與人可能相當相似。
AI會不會取代人類思考?容許我分短期和長期回答。短期來說,我覺得不行。AI很強是毫無疑問的,單說寫程式,它完全超越我;但我覺得自己比AI搞笑,比叫ChatGPT生成十個心理學笑話更有趣。
如果用典型的精神分析理論看,笑話與焦慮息息相關:心裡一些不好的感受,需要經過昇華,以社會可以接受的方式表現出來。這種不舒服在文字裡,也在骨子裡。
人類的大腦不單是一個語言機器,思考還有其他部分參與,包括感覺運動區(Sensorimotor Region),以及我們體化或內化的感受。例如樹洞香港也有開辦Somatic Experiencing身心學,是用類似的脈絡思考。以文字為主訓練的大語言模型,沒有同樣的身體經驗,所以在純理智的任務上可以做得頭頭是道,到了比較有人的感受的部分,我卻總覺得它有形無神,缺失了一些神髓。
另一個原因是資金投入與訓練方式。我覺得AI行業投放在辦公室工作、寫程式的資源,遠多於令AI更有人味的投入。已有數以億計的資金研究如何用AI寫好程式,但如果我要投放幾百億令AI更搞笑,誰會資助我?我可能要問一下黃子華。
數學和程式問題,也比較容易建立自動回饋:程式能否運行,電腦本身可以檢查,再修正問題。但文學、怎樣才有人味,很主觀;在我看來,暫時未必有同樣妥善的方法,形成不斷改善的回饋循環,做到遞迴自我提升(Recursive Self-Improvement)。
我覺得當今所有白領工作者,都應該學習和精通自己的AI技術,同時保留自己對美學和品味的判斷。你需要有那種visceral feeling,感覺一件事是否「正路」。
這件事很難說,因為每一行的「正路」都不同。它需要你透過博覽群書、與不同的人交流,以及下苦工,才會得到。如果什麼都外判給AI,這些就沒有了。下苦工,加上精通AI技術,我覺得我們就可以成為在AI年代跑出的一群。
長遠來說,我的答案悲觀很多。我覺得,如果真的要相信人和AI有根本分別,就同時需要相信靈魂這個概念。現在AI與人腦有幾個根本不同的地方,例如主要用文字語料訓練,但這不是必然的限制,因為現在已經有多模態模型,可以處理影片和開放世界。
我也談到MaleCNS v1.0果蠅神經連結圖譜(Connectome),以及把神經結構用數學方式模擬的想像。令我想到的是:這件事如果放在人腦裡會怎樣?如果提取Peter大腦的一片組織,放在GPU裡運作,它可不可以製作《五分鐘心理學》的影片?我的想法是,它可能可以。
人類為何有獨有的美學、創意和判斷?其實我們每一個人都有private maps of meaning,也就是個人的意義地圖。你可以想像,每一個腦都是一個獨有的AI模型。例如,小時候媽媽給我吃蘋果批,但你的媽媽可能給你吃魚蛋;於是在我的語言空間裡,蘋果批與母親連在一起,在你的語言空間裡,魚蛋才與母親連在一起。這些投射無法完全相通,這是我理解人類為何有獨有美學的原因。
但這是不是技術上永遠解決不了?我會想,假如訓練很多模型,或者用Connectome技術讀取、提煉大腦,變成人工智能的載體,會怎樣?這是我對長遠可能性的推想。人類是碳基生命,電腦是矽基個體;當兩者都能處理資料、產生輸出,我們有什麼充分理由,相信它們必然有根本分別?隨着運算能力發展,我覺得不能就此認定,AI永遠不會走到那裡。
到那個時候,我相信人類還剩下什麼?我今天不詳細展開,只說我的答案:那種感受、我們的意識、對良知的執著和靈魂。在我的世界觀裡,我當然認為這些是神賜予我的;但大家可以有不同的看法。